Wenn die Prognosen der Soziologen Recht behalten, haben sich die Wirtschaftssysteme der meisten westeuropäischen Länder von einer produzierenden hin zu einer Erlebniswirtschaft entwickelt. Statt der bloßen Bereitstellung verlässlicher Produkte zum besten Preis, müssen Unternehmen für ihre Kunden Erlebnisse schaffen, die im Gedächtnis bleiben. Denn im Schnitt wird der Konsument täglich mit fast 3.000 Marketing Nachrichten konfrontiert - viel zu viel, um die Flut an Informationen zu verarbeiten. Das eigentlich Ernüchternde daran ist: Lediglich vier Nachrichten bleiben dem Konsumenten positiv im Gedächtnis. Wie sollen die Botschaften von Unternehmen da noch zur Wertschöpfung beitragen?

Big Data - mehr als ein Hype Begriff?

Vor allem die Analyse von Kundendaten zählt als eine der letzten Stellschrauben, um sich einen Wettbewerbsvorteil gegenüber der Konkurrenz zu verschaffen. Während in der produzierenden Industrie noch Öl der Treibstoff für das Unternehmen war, sind es heute die viel zitieren Daten. Der Vergleich ist allseits bekannt. Im Gegensatz zu dem immer knapper werdenden Rohstoff sind Daten in den Unternehmen häufig ausreichend vorhanden, in einigen Fällen sogar in schier erdrückender Fülle. Dieser Überfluss prägte den Begriff Big Data und Marketingverantwortliche machten ihn anschließend zu einem der größten Hype-Themen der vergangenen Jahre. In Diskussionsrunden sämtlicher Kongresse und Fachmesse versuchten Marketer das Thema zu besetzen. Nicht selten redeten sie von Big Data, meinten aber eigentlich Small Data.

Was bedeutet Big Data wirklich?

Auf den Punkt gebracht istBig Data einSammelbegriff für Daten, die so groß und komplex sind, dass sie neueFormen der Verarbeitung benötigen, da sie das Potential von SQL-Datenbanken sprengen. Das typische Beispielist ein Hadoop-Stack, der Petabytes an unstrukturierten Daten beherbergt: etwa Social Content, Videoaufnahmen, Mitschnitte von Call Center-Gesprächen und anderen Informationen, die nicht in einer vordefinierten Art und Weise organisiert werden. Wenn Big Data als Begriff wirklich greifen soll, müssen sich zu den Charakteristiken Volumen und Vielfalt noch Geschwindigkeit und Zuverlässigkeit bei der Auswertung gesellen. Das bedeutet, um wirklich Big Data zu sein, müssen Informationen innerhalb von Sekunden verarbeitet werden können und sie müssen das Vertrauen des Top-Managements hinsichtlich des Analysenutzens genießen.

Ist Marketing Analytics automatisch Big Data?

Denkt man darüber nach, was Daten wirklich groß macht, wird schnell offenbar, dass die meisten Marketingverantwortlichen, die an der Big Data-Diskussion teilnehmen wollen, eigentlich über Small Data sprechen. Die Fragen, die Marketer mit ihren Dashboards beantworten wollen sind ohne Zweifel relevant:

"Welches Keyword bringt Traffic auf meine Seite?", "Wie beeinflussen meine Marketing Programme die Pipeline?", "In welche Programme sollte ich mehr investieren?". Allein auf einer Landing Page finden zahlreiche Testings statt: "Sollte eine Telefonnummer Teil eines Kontaktformulars sein, um Zugang zu bestimmten Materialien, wie einem Report oder Whitepaper zu erhalten?", "Welche Textlänge sollte eine Subpage haben, ohne ablenkend zu wirken?". Trotz aller Bedeutung der Fragen, basieren sie nicht auf Big Data Analyse. Sie sind Beispiele für kleine Datenpunkte, die unsere Analyseaktivitäten füttern. Sie werden über die traditionelle Nutzung von SQL-Servern beantwortet. Zudem benötigen sie keine Datenquellen mit hoher Varianz oder unstrukturierte Informationen und beantworten auch keine komplizierten Fragen in der gewünschten Schnelligkeit.

Wie sieht Big Data Analyse im Marketing aus?

Manche Marketingfragen sind so komplex, das sie ohne Big Data-Analyse nicht zu beantworten sind. Wenn die hauseigene SQL-Datenbank eine Liste mit allen Kunden generieren soll, die in den vergangenen Monaten zweimal die Webseite besucht, mehr als eine E-Mail geöffnet und Social Content auf Twitter retweetet haben, wird sie in die Knie gehen. Diese Art von Analyse vermag nur ein Big Data Scan zu leisten.

Ein weiteres Beispiel sind Algorithmen-basierte Vorhersagen (predictive analytics). Diese Analysemethode kann zum Beispiel in Echtzeit bestimmen, wann der beste Zeitpunkt für den Versand eines Angebots an den Kunden ist, Prognosen über den Effekt von Marketing auf den Umsatz im kommenden Quartal anstellen oder Kaufinteressenten auf Basis ihrer jüngsten Aktivitäten im Social Web unterschiedliche Webinhalte ausspielen.

Unternehmen sollten Big Data korrekt nutzen - sowohl den Begriff als auch die unterschiedlichen Analyseansätze. Eine enge Zusammenarbeit zwischen IT und Marketing ist dafür eine Grundvoraussetzung. Eine organisationale Zusammenführung beider Abteilungen schlägt eine Brücke zwischen dem Wunsch nach komplexen Datenanalysen zum Zwecke der Ertragssteigerung und dem technologischen Potential der IT-Systeme und sorgt für mehr Verständnis zwischen Marketern und IT'lern. (bw)